[發明專利]關鍵詞的分類方法和裝置

在審

• 申請號: 201610617877.4
• 申請日: 2016-07-29
• 公開（公告）號: CN107665221A
• 公開（公告）日: 2018-02-06
• 發明（設計）人: 王天祎
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 韓建偉,張永明

1.一種關鍵詞的分類方法，其特征在于，包括：

獲取向量集合和目標向量，其中，所述目標向量是將目標關鍵詞進行向量化得到的，所述向量集合包括多個關鍵詞集合中每個關鍵詞的向量，所述多個關鍵詞集合屬于多個類別；

對所述向量集合進行模型訓練得到分類模型，其中，所述分類模型用于將所述目標關鍵詞分為所述多個類別中的其中之一；

將所述目標向量輸入至所述分類模型中對所述目標關鍵詞進行分類。

2.根據權利要求1所述的方法，其特征在于，所述多個類別為N個類別，將所述目標向量輸入至所述分類模型中對所述目標關鍵詞進行分類包括：

計算所述目標關鍵詞與第j類別的相關系數P_j，其中，相關系數P_j是所述目標向量與所述第j類別所有關鍵詞的向量的相似度的平均值，其中，j依次取1至N；

從相關系數P₁至相關系數P_N這N個相關系數中篩選出最大的相關系數，將所述最大的相關系數關聯的類別作為目標類別；

將所述目標關鍵詞劃分為所述目標類別。

3.根據權利要求2所述的方法，其特征在于，計算所述目標關鍵詞與第j類別的相關系數P_j包括：

根據以下公式計算所述目標向量與所述第j類別所有關鍵詞中每個關鍵詞的向量的相似度：

其中，表示所述目標向量，表示所述第j類別的關鍵詞中任意一個關鍵詞的向量，S₁表示與的相似度；

將所述目標向量與所述第j類別所有關鍵詞的向量的相似度的平均值作為所述相關系數P_j。

4.根據權利要求2所述的方法，其特征在于，計算所述目標關鍵詞與第j類別的相關系數P_j包括：

根據以下公式計算所述目標向量與所述第j類別所有關鍵詞中每個關鍵詞的向量的相似度：

其中，表示所述目標向量，表示所述第j類別的關鍵詞中任意一個關鍵詞的向量，S₂表示與的相似度；

將所述目標向量與所述第j類別所有關鍵詞的向量的相似度的平均值作為所述相關系數P_j。

5.根據權利要求1所述的方法，其特征在于，獲取向量集合和目標向量包括：

根據多個關鍵詞集合中的關鍵詞訓練出詞向量模型，其中，所述詞向量模型用于執行向量化處理；

利用所述詞向量模型對所述目標關鍵詞進行向量化處理，得到所述目標向量；

利用所述詞向量模型對所述多個關鍵詞集合中每個關鍵詞進行向量化處理，得到所述向量集合。

6.根據權利要求5所述的方法，其特征在于，利用所述詞向量模型對所述目標關鍵詞進行向量化處理，得到所述目標向量包括：

對所述目標關鍵詞進行分詞，得到所述目標關鍵詞的第一分詞集合；

刪除所述第一分詞集合中的無語義詞匯，得到所述目標關鍵詞的第二分詞集合；

利用所述詞向量模型對所述第二分詞集合中每個分詞進行向量化處理，得到所述第二分詞集合中每個分詞的向量；

根據所述第二分詞集合中每個分詞的向量確定出所述目標向量。

7.根據權利要求6所述的方法，其特征在于，根據所述第二分詞集合中每個分詞的向量確定出所述目標向量包括：

將所述第二分詞集合中所有分詞的向量之和作為所述目標向量；或者

將所述第二分詞集合中所有分詞的向量的加權平均值作為所述目標向量。

8.一種關鍵詞的分類裝置，其特征在于，包括：

獲取單元，用于獲取向量集合和目標向量，其中，所述目標向量是將目標關鍵詞進行向量化得到的，所述向量集合包括多個關鍵詞集合中每個關鍵詞的向量，所述多個關鍵詞集合屬于多個類別；

訓練單元，用于對所述向量集合進行模型訓練得到分類模型，其中，所述分類模型用于將所述目標關鍵詞分為所述多個類別中的其中之一；

分類單元，用于將所述目標向量輸入至所述分類模型中對所述目標關鍵詞進行分類。